선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 이 연구에서는 국내 거주민의 철도소음에 대한 %HA와 %A 반응 곡선의 도출에 있어 선행연구(12)의 주관적 반응 데이터를 이분화하여 노출-반응 모델을 도출하는 방법을 적용하여 다시한번 선행연구에서 제안한 방법에 대한 적용성을 검토했다. 또한 기존의 국내 및 국외 철도소음에 대한 노출-반응 모델 수립 방법 및 모델식을 비교했고 동일한 데이터를 이용한 기존 국내 연구와의 차이점을 유발한 원인에 대해 고찰했다.
제안 방법
- 대상 지역내의 거주민이 철도와 도로소음에 노출된 소음 레벨을 각각 예측하기 위해 영등포구 전체 소음지도를 이용했다(10). 도로소음과 철도 소음지도를 각각 작성하였으며, 또한 두 가지 교통소음이 혼재된 복합 소음지도를 작성하였다.
- . 도로소음과 철도 소음지도를 각각 작성하였으며, 또한 두 가지 교통소음이 혼재된 복합 소음지도를 작성하였다. 소음지도의 정확성은 Fig.
- 따라서 이 연구에서는 Öhrström(11)과 같이 소음지도를 이용하여 개별 소음원의 소음레벨을 예측하고 거주민의 어노이언스 반응은 예측 소음레벨에 기반하여 설문조사한 결과를 이용하여 어노이언스 예측 곡선을 도출했다.
- 국내 철도소음에 대한 노출-반응 예측 곡선을 수립하기 위한 연구들은 유럽과 비교하면 수집된 데이터베이스의 양이나 연구사례가 미비하다. 따라서 이 연구에서는 항공기, 도로, 철도 등에 의해 발생하는 교통소음 중 유럽과 반응 차이가 현저하며 국내 연구 결과에서도 서로 다른 차이를 보이는 철도소음에 대한 노출-반응 예측 곡선을 도출하여 선행연구의 결과와 비교했다.
- 의 주관적 반응 데이터를 이분화하여 노출-반응 모델을 도출하는 방법을 적용하여 다시한번 선행연구에서 제안한 방법에 대한 적용성을 검토했다. 또한 기존의 국내 및 국외 철도소음에 대한 노출-반응 모델 수립 방법 및 모델식을 비교했고 동일한 데이터를 이용한 기존 국내 연구와의 차이점을 유발한 원인에 대해 고찰했다.
- 이 방법을 사용함으로써 동일한 크기의 소음에 노출된 거주민 반응의 군집 비율을 구하기 위해 데이터를 임의로 군집화하거나 평균할 필요가 없어 오차 발생 가능성을 배제할 수 있었다. 또한 전체 지역의 데이터를 사용한 이 연구와 철도소음 또는 도로소음 등 단일 소음의 크기가 큰 세대만을 구분하여 각 우세 소음원별로 노출-반응 예측 모델을 도출한 경우의 선행연구 결과(10)를 비교했다. 데이터를 소음원의 크기에 따라 구분한 경우와 이 연구의 결과는 현저히 모델이 차이가 났으며 우세 소음원으로 구분할 경우는 소음도가 낮아도 어노이언스 반응이 컸다.
- 먼저 전체 응답자 693명의 개인 신상에 관한 사항을 간략히 살펴보았다. 먼저 성별은 여성 56%(388명), 남성 44%(305명)로 조사된 응답자의 남녀 분포 차이가 크지 않았다.
- 도로소음과 철도 소음지도를 각각 작성하였으며, 또한 두 가지 교통소음이 혼재된 복합 소음지도를 작성하였다. 소음지도의 정확성은 Fig. 1에서와 같이 영등포구의 주간선 도로, 보조간선 도로를 중심으로 총 45개 지점에서 측정한 소음도와 작성된 소음지도를 통한 예측 소음도를 비교했다. 예측 소음도와 실측 소음도의 차이는 최소 0.
- 이 연구에서도 Öhrström의 방식에 따라 전체 693개의 설문 데이터에 대한 철도소음 레벨과 철도소음에 대한 어노이언스 반응을 이용하여 노출-반응 모델을 도출했다.
- 이 연구의 대상 지역은 도심지에 위치한 지리적 특성상 철도소음 뿐만 아니라 도로소음에도 동시에 노출되어 있으므로 개별 소음원에 의한 소음을 측정하는 것이 어렵기 때문에 각 세대별 노출 소음도를 산정하기 위해 소음지도를 활용했다. 기존 연구(10)와는 달리 해당 지역 거주민이 철도변 500미터 이내에 거주하고 있다는 점에 착안하여 각 소음원의 크기와 거주민의 어노이언스 반응간의 상관분석을 통해 도로소음보다는 철도소음에 대한 어노이언스 반응이 높은 지역임을 확인해 전체 데이터 사용의 타당성을 입증했다.
- 유럽연합에서는 %HA와 더불어 %A의 사용을 권고하고 있다(13). 이에 따라 이 지역 주민들이 노출된 철도소음레벨(Ldn)과 철도소음에 대한 %A(percentage of annoyed)의 상관관계를 확인하였다. 철도소음레벨과 철도소음에 대한 %A의 Pearson 상관계수는 0.
- 조사는 2회로 나누어 2007년 11월에 299가구, 2008년 5월에 394가구를 조사했으며 한 가구당 한 명을 조사했다. 조사 방법은 설문에 참여하는 응답자들의 어노이언스와 관련한 이해를 돕고 설문의 질을 높이기 위해 조사자가 응답자의 집을 찾아가서 조사하는 직접면담방식(face-to-face method)을 채택했다.
- 와 같이 지역내에서 소음원의 크기에 따라 데이터를 구분하지 않고 전체 지역의 데이터 모두를 사용했다. 즉 복합소음 노출 지역내에서 소음지도를 이용해 예측한 철도소음 또는 도로소음의 레벨 및 복합소음 레벨을 이용하여 전체 지역 주민의 철도소음에 대한 철도소음 노출-반응, 도로소음에 대한 도로소음 노출-반응, 복합소음에 대한 복합소음 노출반응 관계를 각각 도출했다. 이 연구에서도 Öhrström의 방식에 따라 전체 693개의 설문 데이터에 대한 철도소음 레벨과 철도소음에 대한 어노이언스 반응을 이용하여 노출-반응 모델을 도출했다.
- 거주기간은 1년 단위로 조사하였으며 5년 이하와 이상 거주한 경우의 빈도를 보면 5년 이하 거주자가 67%(462명)로 5년 이상 거주자 33%(231명)에 비해 2배 이상 많았다. 집에 머무르는 시간을 1시간 단위로 조사하였으며 12시간 이하 머무르는 경우와 12시간 이상 머무르는 사람의 빈도를 분석했다. 12시간 이하 집에 있는 사람은 37%(258명), 12시간 이상 집에 있는 사람은 63%(435명)로 집에 12시간 이상 머무르는 사람이 많았다.
- 기존 연구(10)와는 달리 해당 지역 거주민이 철도변 500미터 이내에 거주하고 있다는 점에 착안하여 각 소음원의 크기와 거주민의 어노이언스 반응간의 상관분석을 통해 도로소음보다는 철도소음에 대한 어노이언스 반응이 높은 지역임을 확인해 전체 데이터 사용의 타당성을 입증했다. 철도소음에 대한 어노이언스 반응 데이터 사용에 대한 타당성이 입증된 해당 지역 거주민의 설문 결과를 이용해 선행연구(12)에서 제시한 대로 어노이언스 반응 데이터를 이분화하는 방법을 사용해 철도소음에 대한 노출-반응 예측 모델을 도출했다. 이 방법을 사용함으로써 동일한 크기의 소음에 노출된 거주민 반응의 군집 비율을 구하기 위해 데이터를 임의로 군집화하거나 평균할 필요가 없어 오차 발생 가능성을 배제할 수 있었다.
대상 데이터
- 대상 지역 내에서 거주민의 어노이언스 반응을 조사하기 위해 설문을 실시한 지역은 Fig. 2와 같으며, 이 지역에서 총 693가구를 조사했다. 조사는 2회로 나누어 2007년 11월에 299가구, 2008년 5월에 394가구를 조사했으며 한 가구당 한 명을 조사했다.
- 선정된 철도소음 노출지역은 서울시 영등포구의 1호선 대방역∼신도림역 간 철도로부터 직선거리 0.5 km 이내 지역으로 선로 연장은 2.5 km에 이르며 경부선, 경인경부전철, KTX 노선이 있다.
- 연구 대상지역으로는 철도소음에 노출되어 있으며 거주민 밀집지역으로써 다양한 주택 형태가 혼재되어 있는 곳을 선택했다. 철도를 통과하는 열차운행대수가 많고 다양한 차종이 수시로 운행하여 철도소음을 대표하기에 적합한 지역을 선정했으며, 다양한 주택 형태가 혼재한 지역으로 주택 형태에 따라 생길 수 있는 소음에 대한 반응 편차를 최소화할 수 있는 지역을 선정했다.
- 이 논문에서는 성별, 연령별, 거주기간, 주택형태, 직업 등에 따라 노출-반응 모델의 차이를 구분하지 않았으며 전체 응답자 693명의 설문결과를 이용하였다. Table 1은 대상 지역 주민들이 도로소음, 철도소음, 도로와 철도를 포함한 전체 소음에 대해 느끼는 어노이언스 반응 정도와 각 소음원의 소음 레벨과의 관계를 상관 분석한 것이다.
- 2와 같으며, 이 지역에서 총 693가구를 조사했다. 조사는 2회로 나누어 2007년 11월에 299가구, 2008년 5월에 394가구를 조사했으며 한 가구당 한 명을 조사했다. 조사 방법은 설문에 참여하는 응답자들의 어노이언스와 관련한 이해를 돕고 설문의 질을 높이기 위해 조사자가 응답자의 집을 찾아가서 조사하는 직접면담방식(face-to-face method)을 채택했다.
- 연구 대상지역으로는 철도소음에 노출되어 있으며 거주민 밀집지역으로써 다양한 주택 형태가 혼재되어 있는 곳을 선택했다. 철도를 통과하는 열차운행대수가 많고 다양한 차종이 수시로 운행하여 철도소음을 대표하기에 적합한 지역을 선정했으며, 다양한 주택 형태가 혼재한 지역으로 주택 형태에 따라 생길 수 있는 소음에 대한 반응 편차를 최소화할 수 있는 지역을 선정했다. 선정된 철도소음 노출지역은 서울시 영등포구의 1호선 대방역∼신도림역 간 철도로부터 직선거리 0.
데이터처리
- %A곡선은 상위 50%에 해당하는 사람들(4점∼7점)은 모두 100으로, 그 외의 사람들은 0으로 이분화한 후 회귀분석을 했다.
- 에 의해 제안된 방법을 활용했다. 이 방법은 어노이언스 예측 모델을 도출하기 위해 실측 소음레벨을 사용하던 선행 연구와 달리 예측 소음레벨을 사용하게 되면서 발생하던 문제점을 개선하기 위해 고안된 것으로 거주민의 소음에 대한 주관적 반응 데이터를 %HA와 %A의 기본 개념에 맞도록 이분화하고 이항 로짓 모델을 이용해 로지스틱 회귀분석을 한다. 미지수 도출을 위해 기존 연구에서는 최소자 승법을 사용하는 반면 Son(12)에 의해 제안된 방법은 이분화된 데이터에 대해 로지스틱 회귀식을 사용해 미지수를 도출한다.
이론/모형
- 4의 어노이언스(%HA) 예측곡선에 대한 회귀식을 국내와 유럽의 경우로 구분해서 나타냈다. 국내의 어노이언스 예측식은 모두 로지스틱 알고리즘을 사용했으며 EC에서 채택한 식은 사용자의 편이를 위해 특정 구간에 대해서 3차 다항식의 형태로 제공되고 있으나 본래의 모델은 국내식과 같이 로지스틱 회귀 알고리즘을 사용한 것이다.
- 이 연구에서는 대상지역 거주민의 철도소음에 대한 %HA와 %A 예측 곡선 도출을 위해 Son(12)에 의해 제안된 방법을 활용했다. 이 방법은 어노이언스 예측 모델을 도출하기 위해 실측 소음레벨을 사용하던 선행 연구와 달리 예측 소음레벨을 사용하게 되면서 발생하던 문제점을 개선하기 위해 고안된 것으로 거주민의 소음에 대한 주관적 반응 데이터를 %HA와 %A의 기본 개념에 맞도록 이분화하고 이항 로짓 모델을 이용해 로지스틱 회귀분석을 한다.
- 따라서 이 연구에서는 Öhrström(11)과 같이 소음지도를 이용하여 개별 소음원의 소음레벨을 예측하고 거주민의 어노이언스 반응은 예측 소음레벨에 기반하여 설문조사한 결과를 이용하여 어노이언스 예측 곡선을 도출했다. 철도소음에 대한 %HA 및 %A 어노이언스 반응 곡선 도출은 선행연구에서 제안한 방법(12)을 이용했다.
성능/효과
- 이 연구의 대상 지역은 도심지에 위치한 지리적 특성상 철도소음 뿐만 아니라 도로소음에도 동시에 노출되어 있으므로 개별 소음원에 의한 소음을 측정하는 것이 어렵기 때문에 각 세대별 노출 소음도를 산정하기 위해 소음지도를 활용했다. 기존 연구(10)와는 달리 해당 지역 거주민이 철도변 500미터 이내에 거주하고 있다는 점에 착안하여 각 소음원의 크기와 거주민의 어노이언스 반응간의 상관분석을 통해 도로소음보다는 철도소음에 대한 어노이언스 반응이 높은 지역임을 확인해 전체 데이터 사용의 타당성을 입증했다. 철도소음에 대한 어노이언스 반응 데이터 사용에 대한 타당성이 입증된 해당 지역 거주민의 설문 결과를 이용해 선행연구(12)에서 제시한 대로 어노이언스 반응 데이터를 이분화하는 방법을 사용해 철도소음에 대한 노출-반응 예측 모델을 도출했다.
- 또한 전체 지역의 데이터를 사용한 이 연구와 철도소음 또는 도로소음 등 단일 소음의 크기가 큰 세대만을 구분하여 각 우세 소음원별로 노출-반응 예측 모델을 도출한 경우의 선행연구 결과(10)를 비교했다. 데이터를 소음원의 크기에 따라 구분한 경우와 이 연구의 결과는 현저히 모델이 차이가 났으며 우세 소음원으로 구분할 경우는 소음도가 낮아도 어노이언스 반응이 컸다.
- 따라서 전체적으로 설문 대상 지역은 철도와 500미터 이내로 근접할 뿐만 아니라 철도소음에 대한 어노이언스 반응이 도로소음에 대한 어노이언스 반응에 비해 우세한 지역이다. 또한 전체 소음에 대한 어노이언스 반응과 전체 소음, 도로소음, 철도소음의 크기와의 상관계수를 보면 전체 소음과 철도소음, 전체 소음의 어노이언스 반응간의 상관계수는 0.267로 동일하나 전체적인 소음에 대한 어노이언스 반응과 도로소음의 상관계수는 0.108로 도로소음보다는 철도소음과 전체 소음의 크기가 전체 소음에 대한 어노이언스 반응에 미치는 영향이 큰 지역임을 알 수 있다.
- 응답자의 주택형태와 직업 분포를 보면 가장 많은 주택형태는 단독주택, 아파트, 상가주택, 연립주택의 순이었으며 단독주택 거주자가 41%(282명)로 가장 많았다. 응답자의 직업은 주부가 35%(239명)로 가장 많았으며, 학생이 23%(159명), 자영업자가 20%(138명) 등으로 나타났다.
- 철도소음에 대한 어노이언스 반응 데이터 사용에 대한 타당성이 입증된 해당 지역 거주민의 설문 결과를 이용해 선행연구(12)에서 제시한 대로 어노이언스 반응 데이터를 이분화하는 방법을 사용해 철도소음에 대한 노출-반응 예측 모델을 도출했다. 이 방법을 사용함으로써 동일한 크기의 소음에 노출된 거주민 반응의 군집 비율을 구하기 위해 데이터를 임의로 군집화하거나 평균할 필요가 없어 오차 발생 가능성을 배제할 수 있었다. 또한 전체 지역의 데이터를 사용한 이 연구와 철도소음 또는 도로소음 등 단일 소음의 크기가 큰 세대만을 구분하여 각 우세 소음원별로 노출-반응 예측 모델을 도출한 경우의 선행연구 결과(10)를 비교했다.
- 이 연구의 노출-반응 모델은 유럽연합의 철도소음에 대한 %HA 및 %A 예측모델에 비해 반응이 높았으며 이는 일본이나 기존 국내 실측 소음도를 기반으로 한 연구 결과와도 같았다. 반면 이 연구 지역은 도심지 내의 철로변으로 국내 선행연구(9)인 서울 외곽 또는 지방의 철로변의 실측 소음도를 기반으로 한 연구와 비교할 경우 그 값에 차이가 있을 것으로 예상하였으나 거의 유사한 형태를 보여 지역의 차이나 실측 또는 예측 데이터를 사용한 방법의 차이에도 불구하고 국내 거주민의 철도소음에 대한 반응은 유사함을 알 수 있었다.
- 8 dB(A)였다. 총 45개 지점의 예측값과 실측값의 차이의 평균오차(△L)는 -0.5 dB(A)이고 표준편차는 2.49 dB(A)로 예측 소음도를 신뢰할 수 있음을 검증했다.
후속연구
- 반면 이 연구 지역은 도심지 내의 철로변으로 국내 선행연구(9)인 서울 외곽 또는 지방의 철로변의 실측 소음도를 기반으로 한 연구와 비교할 경우 그 값에 차이가 있을 것으로 예상하였으나 거의 유사한 형태를 보여 지역의 차이나 실측 또는 예측 데이터를 사용한 방법의 차이에도 불구하고 국내 거주민의 철도소음에 대한 반응은 유사함을 알 수 있었다. 따라서 이 연구의 데이터는 선행연구와 함께 국내 철도소음에 대한 노출-반응 모델 정립을 확고히 하기 위한 데이터베이스로 활용할 수 있으며 이 연구에서 제안한 데이터 이분화 방법은 복합소음지역 또는 철도소음지역 등 여러 지역에 다양하게 활용할 수 있을 것으로 기대된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.